KR100954455B1 - 위치 인식 방법 - Google Patents

위치 인식 방법 Download PDF

Info

Publication number
KR100954455B1
KR100954455B1 KR1020080008684A KR20080008684A KR100954455B1 KR 100954455 B1 KR100954455 B1 KR 100954455B1 KR 1020080008684 A KR1020080008684 A KR 1020080008684A KR 20080008684 A KR20080008684 A KR 20080008684A KR 100954455 B1 KR100954455 B1 KR 100954455B1
Authority
KR
South Korea
Prior art keywords
pattern
location
recognition
wireless sensor
sensor network
Prior art date
Application number
KR1020080008684A
Other languages
English (en)
Other versions
KR20090082750A (ko
Inventor
황대성
박재현
이승걸
Original Assignee
인하대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 인하대학교 산학협력단 filed Critical 인하대학교 산학협력단
Priority to KR1020080008684A priority Critical patent/KR100954455B1/ko
Publication of KR20090082750A publication Critical patent/KR20090082750A/ko
Application granted granted Critical
Publication of KR100954455B1 publication Critical patent/KR100954455B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0284—Relative positioning
    • G01S5/0289—Relative positioning of multiple transceivers, e.g. in ad hoc networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0205—Details
    • G01S5/021—Calibration, monitoring or correction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0252—Radio frequency fingerprinting
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0278—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves involving statistical or probabilistic considerations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/10—Position of receiver fixed by co-ordinating a plurality of position lines defined by path-difference measurements, e.g. omega or decca systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S2205/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S2205/01—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations specially adapted for specific applications
    • G01S2205/02—Indoor

Abstract

본 발명은 위치 인식 방법에 관한 것이다. 본 발명은 소정 공간의 바닥에서 이동하는 이동 노드 또는 서비스 로봇의 위치를 인식하기 위해, 제일 먼저 최대 위치 오차를 알고 있는 무선 센서 네트워크를 구성하여 이동 노드의 위치를 인식한다. 그리고 무선 센서 네트워크의 최대 위치 오차 영역을 커버하는 위치 패턴을 공간에 별도로 구성하여 위치 패턴 인식 알고리즘을 실행시켜서 상기 무선 센서 네트워크와 위치 패턴에서 인식한 위치에 의해 상기 이동 노드의 위치를 최종적으로 인식하도록 한다. 만약 위치 패턴 인식 알고리즘에 의해 위치 인식이 되지 않으면 상기 무선 센서 네트워크에 의해 인식된 위치가 최종 위치가 된다. 이러한 본 발명에 따르면 실내에서도 이동 노드나 서비스 로봇의 위치를 정확하게 인식할 수 있는 이점이 있다.
위치 인식, 무선 센서 네트워크, 위치 패턴, 위치 오차

Description

위치 인식 방법{LOCATION RECONGNITION METHOD}
본 발명은 위치 인식에 관한 것으로서, 더욱 상세하게는 무선 센서 네트워크와 위치 패턴을 이용하여 위치를 정확하게 인식하도록 한 위치 인식 방법에 관한 것이다.
최근 무선 통신 및 센서 네트워크 기술, 로봇 인프라 기술의 발달에 따라 지능형 로봇 서비스와 같은 유비쿼터스 환경에 대한 수요가 커지고 있다.
특히 이동하는 물체나 서비스 로봇을 이용한 지능형 서비스 로봇 분야는 로봇이 실내 환경에서 인간과 공존하며 인간에게 필요한 다양한 서비스들을 제공하기 위해 날로 발전하고 있다. 이에 더하여, 최근에는 로봇 인프라 기술, 무선통신 및 센서 네트워크 기술의 발달에 따라 실질적인 지능형 로봇 서비스를 위한 기술적 인프라가 형성되면서, 실내공간에서 로봇과 인간을 지원하기 위한 지능형 서비스 공간에 대한 연구가 활발히 진행되고 있다.
이러한 지능형 공간 안에서 로봇이 필요한 지능형 서비스를 제공하기 위해서는 무엇보다도 로봇이 위치하는 공간에 대한 환경 정보를 파악하는 것이 선행되어 야 한다. 예를 들어, 로봇이 서비스를 제공하기 위해 공간 내에서 자유롭게 이동하기 위해서는 로봇이 속한 공간에서의 로봇의 위치정보를 파악하는 것이 전제되어야 한다. 또 로봇이 실내 공간의 환경 변화를 감지하고 상황에 따른 적절한 행동을 취하기 위해서는 환경 정보를 감지하는 환경 센서들과 네트워크로 연동되어 환경 정보를 실시간으로 파악할 수 있는 기능이 필요하다.
한편 지능형 서비스 로봇 분야에서 위치 인식이라 함은 로봇이 위치하는 공간에서 로봇이 위치한 2차원 좌표와 로봇의 정면 방향정보 또는 주행방향정보를 파악하는 것을 의미한다. 예컨대 어떠한 이동 물체나 서비스 로봇이 2차원 정보(x, y)나 방향(θ)을 인식하는 것을 말한다. 그러나 3차원 정보로서 (x, y, z)의 좌표를 의미할 수도 있다.
최근까지 종래에 실내공간에서 로봇의 정확한 위치인식을 위한 다양한 기술들이 연구되어 왔으나, 안정성, 정확도, 가격 면에서 실용적으로 만족할 만한 수준의 기술은 나와 있지 않은 상태이다.
지피에스(GPS:Global Positioning System)와 같은 전파 방식의 위치인식 방법은 실외 환경에서 전 세계적으로 널리 적용되고 있다. 그러나, 이러한 방법은 실내 및 건물 밀집 지역과 같은 음영지역 및 복잡한 실내 환경에서 전파의 멀티패스(multi-path), 상호 간섭, 장애물 투과 문제 등으로 인하여 안정적인 위치정보를 산출하기에는 문제가 있다.
또한 카메라 등의 시각 센서를 이용하여 영상신호로부터 주변 환경을 인식하여 위치정보를 산출하는 방법은, 영상으로부터 환경정보를 성공적으로 인식하면 보 다 정확한 위치정보를 산출할 수 있다. 그러나, 이러한 방법은 영상신호가 조명 등과 같은 환경 변화에 민감하고 일반적으로 영상 인식과정에 많은 계산량을 필요로 하기 때문에, 안정성과 실시간성에서 문제점이 있다.
이러한 시각 센서 기반의 로봇과 같은 이동체의 위치 인식 문제를 해결하기 위해, 실내 공간에 주변 배경과 쉽게 구분되는 특정 패턴의 표식을 부착하고 이를 시각 센서로 인식하여 위치정보를 산출하는 방법이 제안된 바 있다. 그러나 이러한 방법은 실내 조명 등의 환경 변화에 따라 성능이 달라지는 민감한 문제점을 근본적으로 해결하지는 못하고 있다.
이와 같이 위치 인식 방법에는 다양한 방법이 제안되고 있다. 하지만 한가지 방법만을 이용한 위치 인식은 앞서 설명한 바와 같은 이유 등으로 인해 정확한 위치 인식이 힘들다는 문제점이 있다. 특히 무선 센서 네트워크를 이용한 위치 인식 방법은 기존의 장치 구성을 이용할 수 있는 장점이 있지만 실내에서는 전파의 특성으로 인하여 정확한 위치 인식이 힘든 단점이 있다.
따라서 본 발명의 목적은 상기한 문제점을 해결하기 위한 것으로서, 두 가지 방식의 위치 인식 방법의 사용이 가능한 위치 인식 방법을 제공하는 것이다.
본 발명의 다른 목적은 위치 인식 오차를 없애도록 하여 위치 인식이 보다 정확하게 되도록 하는 것이다.
상기한 바와 같은 목적을 달성하기 위한 본 발명의 특징에 따르면, 무선 센서 네트워크에 따른 최대 위치 오차를 결정하는 단계; 상기 무선 센서 네트워크를 이용하여 이동 노드의 위치를 파악하는 단계; 상기 최대 위치 오차를 포함하는 위치 패턴을 구성하는 단계; 상기 위치 패턴이 구성되면 위치 패턴 인식 알고리즘을 실행시키는 단계; 상기 위치 패턴 인식 알고리즘에 의해 상기 무선 센서 네트워크에서 인식한 위치와 상기 인식한 위치의 주변 위치를 함께 참조하여 그 중 하나의 위치를 상기 이동 노드의 최종 위치로 인식하는 단계를 포함한다.
상기 최대 위치 오차는 'Ecolocation' 위치인식 알고리즘을 이용하여 구해진다.
상기 위치 패턴의 크기는 하나의 위치 패턴을 구성하는 셀의 개수, 도형의 개수, 상기 셀의 크기에 따라 결정된다.
상기 위치 패턴의 최대 크기는 다음 수학식(1)에 의해 계산된다.
Figure 112008007105331-pat00001
-------------- 수학식(1)
여기서, n : 위치패턴의 최대 가로, 세로 크기이고, e : 한 셀의 크기이다.
상기 위치 패턴 인식 알고리즘은, 상기 무선 센서 네트워크로부터 위치 인식을 수행하여 좌표(x,y)를 계산하는 단계; 상기 계산된 좌표(x,y)로부터 수학식(2) 에 의해 위치 패턴 번호를 구하고 회전량을 계산하는 단계; 상기 구해진 위치 패턴 번호의 주변 위치 패턴의 절대 위치를 수학식(3)에 의해 각각 구하는 단계; 상기 좌표(x,y)와 상기 절대 위치까지의 거리를 산출하는 단계; 상기 산출된 거리 중에서 가장 가까운 거리를 갖는 위치를 최종 위치로 인식하는 단계를 포함한다.
pb = (y/n) * k + (x/n) + 1 ---------------수학식(2)
((p-1)%k * n, (p-1)/k * n)------ 수학식(3)
여기서 n : 패턴 블럭의 가로 길이, k: 전체 공간에서 패턴 블럭이 가로로 들어가는 개수이다.
상기 위치 패턴 인식 알고리즘에 의해 위치가 미인식되면, 상기 무선 센서 네트워크에 의해 인식한 위치를 최종 위치로 인식한다.
이와 같은 구성을 갖는 본 발명에 의한 위치 인식 방법에서는 다음과 같은 효과가 있다.
즉 무선 센서 네트워크에 의해 이동 노드의 위치를 1차로 인식한 다음 위치 패턴을 이용하여 이동 노드의 위치를 2차로 인식함으로써 실내에서도 안정적이고 정확하게 이동 노드의 위치를 인식할 수 있다.
예컨대, 본 실시 예에서 도형의 개수를 '4'개로 하고, 한 패턴을 구성하는 셀의 개수를 '9'개로 하여 위치 인식을 시뮬레이션 한 결과, 위치 인식의 정확성은 약 94%로서 무선 센서 네트워크만으로 위치 인식을 하는 것보다 위치 인식이 매우 정확하고 정밀하게 수행됨을 알 수 있다.
이하 본 발명에 의한 위치 인식 방법 및 시스템의 바람직한 실시 예를 첨부된 도면을 참고하여 상세하게 설명한다.
본 실시 예에서는 위치 인식을 위해 두 가지 위치 인식 방법, 즉 무선 센서 네트워크와 위치 패턴을 이용하여 위치 인식을 하는 방법이 제공된다. 무선 센서 네트워크는 이동 노드에 대한 정확한 위치 인식이 힘들지만 이는 위치 패턴으로 극복하고, 반면 위치 패턴은 설치가 힘들지만 무선 센서 네트워크에 의해 시스템을 간단하게 구성하도록 한다. 또 무선 센서 네트워크는 실내에서의 전파 특성인 다중 경로 페이딩, 쉐도잉(shadowing) 등으로 인해 정확한 위치 인식을 할 수 없고 큰 오차 범위를 갖기 때문에, 위치 패턴으로 위치 인식을 수행하여 위치 오차를 극복하도록 한다.
도 1에는 본 발명의 바람직한 실시 예에 따른 위치 인식 시스템의 구성도가 도시되어 있다.
본 실시 예의 위치 인식 시스템은 일정 공간이 제공되는 실내 환경에서 위치 인식 과정을 수행하게 된다. 이를 위해 소정 실내 공간이 제공된다.
상기 실내 공간의 천정(100)에는 무선 센서 네트워크 기능을 제공하기 위해 하나 이상의 레퍼런스 노드(110)가 설치된다. 상기 레퍼런스 노드(110)는 실험 결 과를 통해 위치 오차가 가장 적게 나타나는 그리드(grid) 배열로 배치되는 것이 바람직하다.
상기 실내 공간의 바닥(120)에는 위치 패턴(130)이 설치된다. 상기 위치 패턴(130)은 후술하여 상세하게 설명하지만, 특정 도형(예컨대,
Figure 112008007105331-pat00002
)으로 조합된 패턴으로 'x', 'y' 좌표를 나타내도록 구성된다. 상기 위치 패턴은 위치 정보와 방향을 매우 정밀하게 인식할 수 있게 해준다.
그리고 상기 바닥(120)에는 이동 가능한 이동 노드(140)가 제공된다. 상기 이동 노드(140)는 서비스 로봇이나 이동센서 노드를 말한다.
한편 상기 무선 센서 네트워크를 이용한 위치 인식은 'Ecolocation' 알고리즘을 이용한다. 상기 'Ecolocation' 알고리즘은 신호 세기(RSS)의 크기 순서를 이용하여 위치 인식을 하는 것으로, 상기 레퍼런스 노드(110)와 이동 노드(140)와의 기하학적 거리 순서 및 상기 RSS 값의 순서를 이용하는 것이다. 상기 'Ecolocation' 알고리즘을 적용하기 위해서는 상기 레퍼런스 노드(110), 이동 노드(140) 및 그리드 포인트가 이용된다. 상기 그리드 포인트는 레퍼런스 노드(110)와의 거리 측정에 쓰이는 가상적인 개념이다.
상기 위치 패턴(130)은 패턴의 인식 정확도로 성능 평가를 한다. 위치 패턴(130)을 통한 위치 인식은 위치 인식 에러율이 4 ~ 5% 정도로 매우 정확한 위치 인식율을 제공한다. 예컨대, 이동 노드(140)를 지속적으로 이동해가면서 1000개 이상의 패턴을 읽어들여 정확도를 측정했을 때, 10번의 실험 결과 94~95%의 정확성 을 보여주고 있다. 이와 같은 위치 패턴의 크기는 하나의 패턴을 구성하는 셀의 개수, 도형의 개수, 한 셀의 크기에 따라 다양한 크기의 위치 패턴(130)을 만들 수 있다. 하나의 위치 패턴(130)은 S2(S>=2)개의 도형으로 구성되며, 각 도형은 'P'개로 표현될 수 있기 때문에, 위치 패턴(130)의 총 개수는
Figure 112008007105331-pat00003
이다. 이때 위치 패턴(130)은 하나의 셀만큼 이동하면서 패턴이 생성되므로
Figure 112008007105331-pat00004
개의 위치 패턴으로 만들 수 있는 위치 패턴(130)의 최대 크기는 다음 수학식(1)로 계산된다.
Figure 112008007105331-pat00005
-------------- 수학식(1)
여기서, n : 위치패턴의 최대 가로, 세로 크기이고, e : 한 셀의 크기이다. 그리고, 'e'는 위치 패턴의 위치 인식 단위로서, 'e'가 커지면 위치 인식 단위가 커지게 되어 정밀한 위치 인식이 힘들게 된다.
이와 같은 위치 패턴(130)은 다양한 형태로 설계 가능하다. 위치 패턴(130)을 이용하여 위치 인식을 하기 위해서는 패턴 구성 및 좌표 연산 과정이 필요한데, 이는 도 2 내지 도 6을 참조하여 설명한다.
일단 도 2에 도시된 9개의 셀로 이루어진 좌표 윈도우에 위치 패턴을 구성하는 도형 각각에 대해 '0', '1', '2', '3'으로 수치화 한다. 도형은 4개가 제공되는것으로 한다.
그런 상태에서 도 3과 같이 '3×3' 영역으로 이루어진 좌표 윈도우를 오른쪽, 아래쪽, 대각선 방향으로 1행 또는 1열 만큼 이동시키고, 이미 생성된 번호를 포함한 9자리의 중복없는 정수 조합을 생성하고 배치한다.
그러한 방식으로 원하는 영역만큼의 위치 패턴을 생성한다.
그와 같이 생성된 위치 패턴은 미도시된 광학센서모듈 즉 광학센서, 조명장치, 광학용 결상계에 의해 촬영되고, 좌표 연산과정이 수행된다. 좌표 연산과정은, 우선 촬영된 위치 패턴 이미지의 조명 불균형에 의한 잘못된 인식을 감소시키기 위해 이미지처리가 선행된다. 상기 이미지 처리는 '3×3' 마스크를 사용한 평균 밝기로 각 픽셀을 나눈 후 스케일링하여 이미지의 밝기를 균일하게 보정하는 것이다. 도 4에는 촬영된 패턴 이미지와 보정된 이미지가 도시되어 있다. 즉 도 4의 (a)는 광학센서모듈로부터 읽어들인 원본 이미지를 말하고, 도 4의 (b)는 이미지 처리후 보정된 이미지를 나타낸다.
다음 상기 보정된 픽셀 중 일정 이하의 밝기를 가진 셀 들을 후보군으로 검출한다. 상기 검출된 후보군 셀에 대해서 도형을 생성한다.
상기 생성된 셀의 도형들의 중심점들을 이용하여 패턴 이미지 전체의 회전각도를 계산한다. 상기 회전각도는 상기 생성된 도형의 중심위치를 계산하고, 인접한 또 다른 중심위치와의 기울기를 계산한다. 그리고 모든 중심간의 기울기를 평균화하여 이미지 전체를 회전 보정한다. 이때 계산된 평균 각도에 의해 이동 노드의 회전각도를 알 수 있다. 상기 회전각도는 다음 수학식(2)에 의해 계산된다.
Figure 112008007105331-pat00006
---------수학식(2)
상기 패턴 이미지의 중심과 좌표 윈도우의 중심간의 거리를 측정하여 최종 연산된 정수 좌표를 실수화한다. 그러면 좌표 인식을 정교하게 할 수 있다. 이와 같이 좌표 윈도우의 도형 인식 결과 및 그 결정된 좌표 윈도우에 정수가 부여된 도면이 도 5에 도시되어 있다. 도 5의 (a)는 도형 인식 결과를 나타내고, (b)는 '1'부터 '9'까지의 숫자가 부여된 결정 좌표 윈도우를 나타낸다.
좌표 윈도우 연산과정이 수행된다. 도 6을 보면 좌표 윈도우 연산은 상기 연산된 도형을 9자리로 배치한 후, 패턴 테이블을 바이너리 검색하여 해당 좌표값으로 변환하고 있다.
상기 좌표 연산에 의해 이동 노드(140)의 현재 위치를 인식한다.
그와 같이 상기 위치 패턴(130)을 이용하여 이동 노드(140)의 위치를 인식한 경우 정확도는 실험에 따르면 94~95%의 정확성을 제공한다.
이러한 방법에 의해 원하는 크기의 위치 패턴(130)을 생성할 수 있고, 또 위치 패턴(130)에서의 이동 노드(140) 위치를 인식할 수 있다.
다음은, 상기한 바와 같은 무선 센서 네트워크와 위치 패턴 방식을 이용하여 이동 노드가 이동할 때 그 이동 노드의 위치를 인식하는 방법을 설명하기로 한다.
위치 인식 방법은 도 1에 도시된 위치 인식 시스템 구성을 함께 참조하여 설명한다.
도 7에는 본 발명의 바람직한 실시 예에 따른 위치 인식 방법의 흐름도가 도시되어 있다.
위치 인식 방법은 실내 공간에서 바닥(120)에 있는 이동 노드(140)가 이동하는 것에 의해 개시된다. 일단 상기 이동 노드(140)가 이동하면(s200), 이동 노드(140)로부터 특정 이벤트가 발생하거나 기 설정된 시간 간격에 따라 상기 이동 노드(140)의 위치를 인식한다.
상기 이동 노드(140)의 위치 인식은 무선 센서 네트워크의 'Ecolocation' 알고리즘에 의해 우선 수행된다. 상기 'Ecolocation' 알고리즘을 이용한 위치 인식 과정을 우선하여 설명한다.
위치 인식은 일정 공간의 천정(100)에 설치된 적어도 하나 이상의 레퍼런스 노드(110)가 이동 노드(140)의 신호세기(RSS) 값을 측정하는 것에 의해 시작된다. 상기 신호세기의 순서는 알고리즘 구현을 쉽게 하기 위해 매트릭스 형태로 만든다. 상기 신호세기의 관계 매트릭스 Maxa(a는 레퍼런스 노드의 개수)는 다음 수학식(3)로 구성된다.
Figure 112008007105331-pat00007
-------------수학식(3)
그리고 각 그리드 포인트와 레퍼런스 노드(110)의 거리를 계산한다. 상기 신호세기와 거리는 반비례하기 때문에 거리 관계는 Caxa(i,j)로 표현되고 다음 수학식(4)으로 구하게 된다.
Figure 112008007105331-pat00008
------------수학식(4)
상기 수학식(3)과 수학식(4)의 두 매트릭스 M(i,j) 및 C(i,j)을 비교하면서, 모든 그리드 포인트와 레퍼런스 노드와 매트릭스 Caxa(i,j)를 만들고, 이를 상기 Maxa(i,j)와 비교해서 최대값을 구한다. 즉 모든 그리드 포인트에 대해 매트릭스를 만들게 된다.
상기 최대값에 의해 이동 노드(140)의 위치를 1차로 어느 정도 인식한다.
그러나 무선 센서 네트워크에 의해 인식된 위치는, 앞서 설명한 바와 같이 실내에서의 전파 특성으로 인해 정확한 위치 인식이 힘들고 오차가 발생하게 된다.
통상적으로 상기 위치 인식은 위치 오차율로 그 성능이 평가된다. 그리고 위치 오차는 이동 노드(140)의 실제 위치와 위치 인식 방법으로 측정된 위치와의 기하학적인 거리 차이를 말한다. 상기 위치 오차는 레퍼런스 노드(110)의 개수, 배치 등에 따라 다르게 나타나고 있다. 또 'Ecolocation' 알고리즘에 의한 위치 인식에 따른 오차율은 다른 위치 인식 방법인 'Centroid', 'APIT'(Approximation Point-In-Triagnulation), 'MLE', 'Proximity' 방법 등에 비해 오차가 적게 나타나거나 비슷한 결과가 나타나는 것을 실험을 통해 알 수 있다.
그래서 이러한 실험 결과를 통해 상기 위치 오차를 줄이기 위해서는 레퍼런스 노드(110)는 그리드 형태로 배치하면서 최대한 많이 설치되도록 하고, 또 표준편차는 낮게 하여 신호 세기가 고르게 측정되도록 해야한다.
그와 같이 무선 센서 네트워크에 의해 이동 노드(140)의 위치가 인식되었지만, 위치 오차가 나타나기 때문에 정확한 위치 인식이 되지 못한다.
그렇기 때문에 제 210 단계에서는 무선 센서 네트워크에 따른 최대 위치 오차 범위를 결정하고, 이동 노드(140)의 위치를 파악해야 한다. 상기 위치 오차 범위는 시뮬레이션을 통해 구하게 된다.
상기 이동 노드(140)의 위치가 1차 파악되면 위치 패턴(130)을 이용하여 2차로 이동 노드(140)의 위치를 정확하게 인식하는 과정이 실행된다.
본 실시 예에서의 위치 패턴(130)은 도형의 개수가 '4'개이고 하나의 위치 패턴을 구성하는 셀의 개수를 '9'개로 하여 구성된 위치 패턴을 예로 설명한다.
일단 상기와 같이 최대 위치 오차가 구해지면, 그에 대응하는 위치 패턴을 구성한다(s220).
상기 위치 패턴의 구성은 무선 센서 네트워크에서의 오차 범위가 원(circle)의 형태를 가진다고 가정한 것으로 해서 설명한다.
인식된 위치의 최대 위치 오차가 반지름 'r'이면 위치 인식 범위는 반지름 'r'이 될 것이다. 이를 이용하면 위치 패턴의 크기는 반지름이 'r'인 원을 내접하는 가로가 '2r'인 정사각형이 된다.
이와 같이 최대 위치 오차로 구해진 위치 패턴을 도 8과 같이 연속적으로 구성한다. 최대 위치 오차로 구해진 위치 패턴을 패턴 블럭이라고 명칭하면, 도 8에서는 총 9개의 패턴 블럭이 존재하게 된다. 그리고 상기 하나의 패턴 블럭에는 '1'부터 '25'까지의 패턴 번호가 존재한다. 상기 패턴 번호는 하나의 위치를 나타내는 좌표로 패턴을 추상화한 것이다. 여기서 위치 패턴 크기는 상기한 수학식(1)에 의해 결정된다.
그러한 위치 패턴을 리드하고(s230), 위치 패턴 인식 알고리즘을 실행시킨다(s240).
상기 위치 패턴 인식 알고리즘이 정상 실행되면(s250의 '예'), 위치 패턴에 의해 인식된 이동 노드(140)의 위치를 최종 위치로 인식한다(s260).
제 260단계에서의 위치 인식에 대해 설명한다.
일단 최대 위치 오차 범위에 의해 위치 패턴이 구성되었기 때문에, 도 9와 같이 상기 무선 센서 네트워크로 인식한 위치의 패턴 블럭 번호를 계산할 수 있고, 그 패턴 블럭 번호의 주변 패턴 블럭 번호 8개를 알 수 있다. 결국 이동 노드(140)가 실제로 위치하는 곳은 9개의 패턴 중 어느 하나가 된다. 상기 9개의 후보 위치 중 실제 위치는 상기 무선 센서 네트워크로 인식한 위치와 후보 9개의 위치와의 거리 중 가장 작은 거리를 갖는 후보 위치가 실제 위치가 된다.
실제 위치를 찾는 상기 위치 패턴 인식 알고리즘은 도 10을 참조하여 설명한다. 도 10은 도 7의 위치 패턴 인식 알고리즘을 실행한 경우 구체적인 과정을 보인 흐름도이다.
우선 무선 센서 네트워크로부터 위치 인식을 수행하여 좌표 (x, y)를 계산한다(s241). 상기 좌표(x, y)가 계산되면 패턴 블럭 번호(pb)를 다음 수학식(5)에 의해 계산하고 회전량을 계산한다(s242).
pb = (y/n) * k + (x/n) + 1 ---------------수학식(5)
여기서 n : 패턴 블럭의 가로 길이, k: 전체 공간에서 패턴 블럭이 가로로 들어가는 개수를 말한다. 'n'는 무선 센서 네트워크의 최대 위치 오차 범위로 알 수 있고, 'k'는 전체 공간에 위치 패턴을 구성하고 설치할 때 알 수 있는 상수 값이다.
상기 수학식(5)에 의해 패턴 블럭(pb)을 중심으로 주변의 패턴 블럭 번호는 다음과 같이 구해진다.
'pb-1', 'pb+1', 'pb+k', 'pb-k', 'pb+k+1', 'pb+k-1', 'pb-k-1', 'pb-k+1' 로 8개다.
상기 패턴 블럭 번호가 구해지면, 이동노드(140)나 서비스 로봇은 광학 센서로부터 바닥(120)면의 위치 패턴(130)을 읽어들여 위치 인식을 수행한다. 위치 인식 결과 패턴의 위치는 (Px,Py)라고 하면 패턴 번호(pb)의 주변 패턴 블록에서 (Px, Py)의 절대 위치를 구한다(s243). 절대 위치는 패턴 블록 내에서의 위치를 전체 좌표로 환산한 위치를 말한다. 예컨대 'P'번째 패턴의 절대 위치는 다음 수학식(6)으로 구할수 있다.
((p-1)%k*n, (p-1)/k*n)------ 수학식(6)
그래서 9개의 패턴 블럭에 대한 (Px, Py)의 절대 위치는 다음과 같이 구해진다.
(((pb-1)-1)%k*n + px, ((pb-1)-1)/k*n+ py) -----①
(((pb+1)-1)%k*n + px, ((pb+1)-1)/k*n+ py) -----②
(((pb-k)-1)%k*n + px, ((pb-k)-1)/k*n+ py) -----③
(((pb+k)-1)%k*n + px, ((pb+l)-1)/k*n+ py) -----④
(((pb+k+1)-1)%k*n + px, ((pb+k+1)-1)/k*n+ py) -----⑤
(((pb+k-1)-1)%k*n + px, ((pb+k-1)-1)/k*n+ py) -----⑥
(((pb-k+1)-1)%k*n + px, ((pb-k+1)-1)/k*n+ py) -----⑦
(((pb-k-1)-1)%k*n + px, ((pb-k-1)-1)/k*n+ py) -----⑧
((pb-1)%k*n + px, (pb-1)/k*n+ py) -----⑨ 이다.
상기 절대 위치가 구해지면, 무선 센서 네트워크에서 위치 인식된 좌표 (x, y)와 상기 9개의 절대 위치까지의 각각의 거리를 구한다(s244). 상기 구한 거리 중 가장 작은 거리를 갖는 위치가 서비스 로봇이나 이동 노드(140)의 실제 위치가 된다(s245).
한편, 위치 패턴으로 위치 인식을 하지 못하는 경우, 예컨대 바닥(120)에 설치된 위치 패턴(130)이 훼손되었거나 센서가 읽은 이미지가 잘못되어 위치 패턴 인식 알고리즘이 정상적으로 실행되지 못한 경우(s250의 '아니오')에는 위치를 인식하지 못하는데, 이때에는 무선 센서 네트워크에 의해 1차적으로 위치 인식한 위치를 최종 위치로 한다(s270).
위에서 설명한 바와 같이 무선 센서 네트워크와 위치 패턴을 이용하여 이동 노드(140)에 대한 위치를 정확하게 인식할 수 있다. 이러한 위치 인식에 대한 시뮬레이션 결과를 살펴본다.
실험 조건은 다음 [표 1]과 같고, 위치 패턴 구성조건은 다음 [표 2]와 같다.
[표 1]
Figure 112008007105331-pat00009
여기서, 'PT'는 센서 노드의 전송 파워, 'PL(do)'는 'do'에 대한 경로손실, '
Figure 112008007105331-pat00010
'는 거리에 관계없이 신호의 세기가 줄어드는 경로 손실 지수(Path loss exponent), 'λ'는 위치공간 크기, 'β'는 레퍼런스 노드의 밀집도, 'γ'는 위치 공간에서 그리드 포인트간의 거리를 나타내는 해상도, 'α'는 레퍼런스 노드와 이동노드의 개수를 말한다.
[표 2]
Figure 112008007105331-pat00011
먼저 최대 위치 인식 오차범위는 전체 공간의 20%정도로 가정한다. 따라서 위치 패턴의 크기는 '10m' 공간의 20%인 '2*2m'가 된다. 셀의 간격을 '1mm'로 했 을 경우 최대 위치 패턴의 크기는 '51.2*51.2cm' 이므로 '2*2m'의 패턴을 구성하려면 셀의 간격은 최소 '4mm'로 해야한다. 셀의 간격이 '4mm' 이므로 '4mm' 간격으로 위치 인식이 가능하다. 일반적으로 이동 로봇의 위치 인식은 '30cm'의 오차를 가지면 매우 정확성이 높은 시스템으로 볼 수 있기 때문에 '4mm' 간격으로 위치 인식을 하는 것은 위치 인식이 매우 정밀하다는 것을 알 수 있다.
이런 조건에서 총 10000번의 위치를 이동시켜가면서 이동 로봇의 위치 인식을 시뮬레이션 한 결과, 위치 인식 성공률은 94.2%로 나타났다. 위치 오차율은 위치 패턴의 셀의 크기 '4mm' 인 0.04%가 된다. 나머지 5.8%인 패턴 인식이 실패한 경우는 무선 센서 네트워크로 인식한 좌표를 사용하게 된다. 즉 기존의 무선 센서 네트워크만을 이용하여 위치 인식한 결과보다 매우 정확하고 정밀한 위치 인식이 가능함을 알 수 있다.
이상과 같이 본 발명의 도시된 실시 예를 참고하여 설명하고 있으나, 이는 예시적인 것들에 불과하며, 본 발명의 속하는 기술분야의 통상 지식을 가진 자라면 본 발명의 요지 및 범위에 벗어나지 않으면서도 다양한 변형, 변경 및 균등한 타 실시 예들이 가능하다는 것을 명백하게 알 수 있을 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 청구범위의 기술적인 사상에 의해 정해져야 할 것이다.
예를 들어, 본 실시 예에서는 위치 패턴이 원(circle)의 형태를 가지는 것으로 설명하고 있으나, 그러나 상기 위치 패턴은 다양한 형태로서 제공될 수 있으며, 본 실시 예는 어떤 종류의 위치 패턴도 다 이용할 수 있는 것이다. 예를 들면 위치 패턴는 하나의 패턴을 구성하는 셀의 개수, 도형의 개수, 한 셀의 크기에 따라 다양한 크기의 위치 패턴을 만들 수 있기 때문에, 실내 공간의 형상 및 그 크기 등에 따라 가장 적절한 위치 패턴이 선택되어, 위치 인식을 할 수 있도록 제공될 수 있다.
도 1은 본 발명을 설명하기 위해 제안된 위치 인식 시스템의 구성도.
도 2는 본 발명의 실시 예에 따른 위치 패턴을 설명하기 위한 좌표 윈도우 구성도.
도 3은 도 2에 도시된 좌표 윈도우를 이용하여 위치 패턴을 구성하는 상태도.
도 4의 (a)는 광학센서모듈로부터 읽어들인 원본 이미지이고, (b)는 이미지 처리후 보정된 이미지 구성도.
도 5의 (a)는 좌표 윈도우의 도형 인식 결과가 도시된 도면이고, (b)는 좌표 윈도우에 1부터 9까지의 숫자가 부여된 결정 좌표 윈도우를 나타낸 도면.
도 6은 좌표 윈도우 연산과정을 설명하는 상태도.
도 7은 본 발명의 바람직한 실시 예에 따른 위치 인식 방법의 흐름도.
도 8은 위치 패턴을 구성하는 설명도.
도 9는 위치 인식 알고리즘을 설명하기 위한 설명도.
도 10은 위치 인식 알고리즘의 흐름도.

Claims (6)

  1. 무선 센서 네트워크에 따른 최대 위치 오차를 결정하는 단계;
    상기 최대 위치 오차의 크기를 반경으로 하는 원 영역에 대응하는 정사각형을 설정하고, 상기 정사각형 영역 내부를 모두 채우는 위치별로 각기 다른 패턴을 가지는 위치 패턴을 생성하고, 상기 위치 패턴을 다수 포함하는 상기 정사각형 영역을 위치 인식이 요구되는 일정 영역에 반복 배치하는 단계;
    상기 무선 센서 네트워크를 이용하여 이동 노드의 위치를 1차 인식하는 단계;
    위치패턴 인식 알고리즘을 실행시켜 상기 이동 노드가 획득한 위치패턴 영상으로부터 정사각형 영역을 기준으로 하는 상대위치를 2차 인식하는 단계; 그리고
    상기 반복 배치된 정사각형 영역들의 중심위치와 상기 2차 인식된 상대위치를 결합하여 상기 이동 노드의 후보 위치를 다수 정한 후, 상기 1차 인식된 이동 노드와 가장 가깝게 계산된 후보 위치를 상기 이동 노드의 최종 위치로 결정하는 단계를 포함하여 구성되는 위치 인식방법.
  2. 제1항에 있어서,
    상기 최대 위치 오차는 'Ecolocation' 위치인식 알고리즘을 이용하여 구해짐을 특징으로 하는 위치 인식 방법.
  3. 제1항에 있어서,
    상기 위치 패턴의 크기는 하나의 위치 패턴을 구성하는 셀의 개수, 도형의 개수, 상기 셀의 크기에 따라 결정됨을 특징으로 하는 위치 인식 방법.
  4. 제 3항에 있어서,
    상기 위치 패턴의 최대 크기는 다음 수학식(1)에 의해 계산됨을 특징으로 하는 위치 인식 방법.
    Figure 112008007105331-pat00012
    -------------- 수학식(1)
    여기서, 'n' : 위치패턴의 최대 가로, 세로 크기이고, 'e' : 한 셀의 크기임.
  5. 제1항에 있어서, 상기 위치 패턴 인식 알고리즘은,
    상기 무선 센서 네트워크로부터 위치 인식을 수행하여 좌표(x,y)를 계산하는 단계;
    상기 계산된 좌표(x,y)로부터 수학식(2)에 의해 위치 패턴 번호를 구하고 회전량을 계산하는 단계;
    상기 구해진 위치 패턴 번호의 주변 위치 패턴의 절대 위치를 수학식(3)에 의해 각각 구하는 단계;
    상기 좌표(x,y)와 상기 절대 위치까지의 거리를 산출하는 단계; 그리고,
    상기 산출된 거리 중에서 가장 가까운 거리를 갖는 위치를 최종 위치로 인식하는 단계를 포함함을 특징으로 하는 위치 인식 방법.
    pb = (y/n)*k + (x/n) + 1 ---------------수학식(2)
    ((p-1)%k * n, (p-1)/k * n)------ 수학식(3)
    여기서, 'n' : 패턴 블럭의 가로 길이, 'k': 전체 공간에서 패턴 블럭이 가로로 들어가는 개수임.
  6. 제1항에 있어서,
    상기 위치 패턴 인식 알고리즘에 의해 위치가 미인식되면, 상기 무선 센서 네트워크에 의해 인식한 위치를 최종 위치로 인식함을 특징으로 하는 위치 인식 방법.
KR1020080008684A 2008-01-28 2008-01-28 위치 인식 방법 KR100954455B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020080008684A KR100954455B1 (ko) 2008-01-28 2008-01-28 위치 인식 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080008684A KR100954455B1 (ko) 2008-01-28 2008-01-28 위치 인식 방법

Publications (2)

Publication Number Publication Date
KR20090082750A KR20090082750A (ko) 2009-07-31
KR100954455B1 true KR100954455B1 (ko) 2010-04-27

Family

ID=41294005

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080008684A KR100954455B1 (ko) 2008-01-28 2008-01-28 위치 인식 방법

Country Status (1)

Country Link
KR (1) KR100954455B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200080184A (ko) * 2018-12-26 2020-07-06 (주)티아이에스씨 측위 장치 및 방법

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101225805B1 (ko) * 2012-02-28 2013-01-23 주식회사 커미조아 토크 피드백을 이용하여 겐트리 장치의 틸트를 보정하는 방법 및 이를 이용한 겐트리 장치
KR102424345B1 (ko) * 2020-10-22 2022-07-22 국방과학연구소 표적 위치 추정 방법 및 그 시스템

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1048308A (ja) 1996-08-05 1998-02-20 Toshiba Corp 物体位置検出装置及び物体位置検出方法
KR20030080436A (ko) * 2002-04-08 2003-10-17 삼성전자주식회사 이동로봇의 위치측정 장치 및 방법
KR20040092414A (ko) * 2003-04-25 2004-11-03 마이크로소프트 코포레이션 무선 신호 강도를 이용하는 장치 위치 측정 시스템을교정하는 방법
KR100565227B1 (ko) 2003-12-22 2006-03-30 엘지전자 주식회사 이동로봇의 위치인식장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1048308A (ja) 1996-08-05 1998-02-20 Toshiba Corp 物体位置検出装置及び物体位置検出方法
KR20030080436A (ko) * 2002-04-08 2003-10-17 삼성전자주식회사 이동로봇의 위치측정 장치 및 방법
KR20040092414A (ko) * 2003-04-25 2004-11-03 마이크로소프트 코포레이션 무선 신호 강도를 이용하는 장치 위치 측정 시스템을교정하는 방법
KR100565227B1 (ko) 2003-12-22 2006-03-30 엘지전자 주식회사 이동로봇의 위치인식장치 및 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200080184A (ko) * 2018-12-26 2020-07-06 (주)티아이에스씨 측위 장치 및 방법
KR102278100B1 (ko) * 2018-12-26 2021-07-15 (주)티아이에스씨 측위 장치 및 방법

Also Published As

Publication number Publication date
KR20090082750A (ko) 2009-07-31

Similar Documents

Publication Publication Date Title
CN105547305B (zh) 一种基于无线定位和激光地图匹配的位姿解算方法
Jang et al. Color landmark based self-localization for indoor mobile robots
JP5522054B2 (ja) 電波環境データ補正システム、方法およびプログラム
US10375517B2 (en) Crowd sourced pathway maps
KR101350389B1 (ko) 무선 센서 네트워크를 이용한 무선 측위 방법 및 그 장치
CN106441311A (zh) 一种基于激光成像雷达的非合作航天器相对位姿测量方法
Taylor et al. Automatic calibration of multi-modal sensor systems using a gradient orientation measure
CN108571979A (zh) 覆盖三角形和生成树实现机器人路径规划的方法
CN111693053A (zh) 一种基于移动机器人的重定位方法及系统
KR101957750B1 (ko) 3차원 자기장 지도에 기초하여 생성된 입자 필터를 이용하여 위치를 추정하는 이동 단말 및 그 장치를 이용한 방법
KR100954455B1 (ko) 위치 인식 방법
CN103929717A (zh) 一种基于权重Voronoi图的无线传感器网络定位方法
CN111709988B (zh) 一种物体的特征信息的确定方法、装置、电子设备及存储介质
CN107424156A (zh) 基于仿仓鸮眼视觉注意的无人机自主编队精准测量方法
KR101865120B1 (ko) 테스트 노드 기반의 무선 측위 방법 및 그 장치
Jian et al. Improved three-dimensional localization algorithm based on volume-test scan for wireless sensor networks
JP6019924B2 (ja) マッチング支援装置、マッチング支援方法、および、そのプログラム
CN110068282B (zh) 一种基于摄影测量的起重机械主梁变形检测方法
CN108845308B (zh) 基于路径损耗修正的加权质心定位方法
CN114173281B (zh) 室内nlos环境下基于toa的定位系统信标节点的优化布局方法
CN113029160B (zh) 导航方法、导航终端及计算机可读存储介质
CN108924748B (zh) 一种基于元胞自动机的无线室内定位方法
Nagatani et al. Scan-point planning and 3-d map building for a 3-d laser range scanner in an outdoor environment
Chan et al. Experiments for leveled RFID localization for indoor stationary objects
CN103729070B (zh) 光学导航方法及光学导航装置

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130325

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20140303

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20150216

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20160404

Year of fee payment: 7

LAPS Lapse due to unpaid annual fee